Что нужно делать:
- Сопровождение ML-моделей в промышленной эксплуатации;
- Мониторинг качества моделей и стабильности их работы;
- Контроль корректной загрузки и обновления данных, выявление и устранение ошибок в ML-пайплайнах;
- Поддержка и развитие ML-инфраструктуры в продакшене;
- Настройка и сопровождение CI/CD для ML-систем;
- Работа с контейнеризацией и оркестрацией ML-сервисов;
- Взаимодействие с командами разработки и машинного обучения.
Что для этого требуется?
Опыт от 1 года в роли MLOps / ML Engineer / DevOps, связанный с продакшен-внедрением ML-моделей.
- Понимание полного жизненного цикла ML-моделей (от данных до мониторинга);
- Практический опыт построения CI/CD для ML;
- Уверенное владение Docker, контейнеризацией моделей и сервисов;
- Опыт работы с Kubernetes;
- Опыт работы с MLFlow или аналогами (Weights & Biases, SageMaker, Neptune);
- Понимание принципов безопасности и управления секретами в ML-инфраструктуре.
Что готовы предложить?